申请/专利权人:浙江大学
申请日:2024-03-26
公开(公告)日:2024-04-30
公开(公告)号:CN117952173A
主分类号:G06N3/08
分类号:G06N3/08;G06V10/82;G06V10/774
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明公开了一种深度学习模型训练的PIV及速度场数据集构建方法及装置。方法是先生成先验已知区域和先验已知速度场,再生成标签速度场和先验已知标记,接着根据标签速度场生成粒子图像,最后生成噪音并加入粒子图像,获得扩充后的粒子图像,进而输出样本加入到PIV粒子图像及速度场数据集中。本发明能任意样本数量大小的数据库的建立,解决之前数据库中数量不足的问题,能够提高开发模型的鲁棒性和开发模型的泛化能力。
主权项:1.一种深度学习模型训练的PIV及速度场数据集构建方法,其特征在于:步骤101,生成先验已知区域和先验已知速度场;所述步骤101中的先验已知区域按照以下方式生成:将区域划分为多类形状形成区间,随机生成一个随机数p作为形状类型标记数,并生成随机数p对应的形状形成区间,处理完毕后分别将形状内的像素、形状外的像素重置后输出对应形状;其中输出形状内的区域为速度已知的区域,形状外的区域为速度未知的区域;步骤102,根据先验已知区域和先验已知速度场生成标签速度场和先验已知标记;步骤103,根据标签速度场生成粒子图像;步骤104,生成噪音并加入所述粒子图像,获得扩充后的粒子图像;步骤105,根据步骤101~104的结果输出样本加入到数据集中。
全文数据:
权利要求:
百度查询: 浙江大学 深度学习模型训练的PIV及速度场数据集构建方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。